El comercio cuantitativo es un área extremadamente sofisticada de las finanzas cuantitativas. Puede tomar una cantidad significativa de tiempo obtener el conocimiento necesario para pasar una entrevista o construir sus propias estrategias comerciales. No solo eso, sino que requiere una amplia experiencia en programación, al menos en un lenguaje como MATLAB, R o Python. Sin embargo, a medida que aumenta la frecuencia de negociación de la estrategia, los aspectos tecnológicos se vuelven mucho más relevantes. Por lo tanto, estar familiarizado con C / C ++ será de suma importancia.
Videos de operaciones diarias: # 1 Swing Trading Course
Muchas de las estrategias que analizará se incluirán en las categorías de reversión a la media y seguimiento de la tendencia / impulso. Una estrategia de reversión de la media es aquella que intenta explotar el hecho de que existe una media a largo plazo en una “serie de precios” (como el diferencial entre dos activos correlacionados) y que las desviaciones a corto plazo de esta media eventualmente revertirán. Una estrategia de impulso intenta explotar tanto la psicología de los inversores como la estructura de los grandes fondos al “engancharse” en una tendencia del mercado, que puede cobrar impulso en una dirección y seguir la tendencia hasta que se revierta.
Una vez que se ha identificado una estrategia, o un conjunto de estrategias, ahora se debe probar su rentabilidad con datos históricos. Ese es el dominio de backtesting.
Para llevar a cabo un procedimiento de backtest es necesario utilizar una plataforma de software. Puede elegir entre software dedicado de backtest, como Tradestation, una plataforma numérica como Excel o MATLAB o una implementación personalizada completa en un lenguaje de programación como Python o C ++. No me detendré demasiado en Tradestation (o similar), Excel o MATLAB, ya que creo en la creación de una pila de tecnología interna completa (por las razones que se detallan a continuación). Una de las ventajas de hacerlo es que el software de backtest y el sistema de ejecución pueden integrarse estrechamente, incluso con estrategias estadísticas extremadamente avanzadas. Para las estrategias HFT en particular, es esencial utilizar una implementación personalizada.
Al realizar una prueba inversa de un sistema, uno debe ser capaz de cuantificar qué tan bien está funcionando. Las métricas “estándar de la industria” para las estrategias cuantitativas son la reducción máxima y la relación de Sharpe. La reducción máxima caracteriza la mayor caída de pico a valle en la curva de capital de la cuenta durante un período de tiempo particular (generalmente anual). Esto se cita con mayor frecuencia como un porcentaje. Las estrategias LFT tenderán a tener reducciones mayores que las estrategias HFT, debido a una serie de factores estadísticos. Un backtest histórico mostrará la reducción máxima pasada, que es una buena guía para el rendimiento de la estrategia en la reducción futura. La segunda medida es la relación de Sharpe, que se define heurísticamente como el promedio de los retornos en exceso dividido por la desviación estándar de esos retornos en exceso. Aquí, el exceso de rendimiento se refiere al rendimiento de la estrategia por encima de un punto de referencia predeterminado, como el S & P500 o un Bono del Tesoro a 3 meses. Tenga en cuenta que el rendimiento anualizado no es una medida utilizada habitualmente, ya que no tiene en cuenta la volatilidad de la estrategia (a diferencia de la relación de Sharpe).
En un fondo más grande, a menudo no es dominio del operador cuantitativo optimizar la ejecución. Sin embargo, en tiendas más pequeñas o firmas HFT, los comerciantes SON los ejecutores, por lo que a menudo es deseable un conjunto de habilidades mucho más amplio. Tenga esto en cuenta si desea ser empleado de un fondo. ¡Sus habilidades de programación serán tan importantes, si no más, que sus estadísticas y talentos econométricos!
La pieza final del rompecabezas de comercio cuantitativo es el proceso de gestión de riesgos. El “riesgo” incluye todos los sesgos anteriores que hemos discutido. Incluye riesgos tecnológicos, como los servidores que se ubican en el intercambio y que de repente desarrollan un mal funcionamiento del disco duro. Incluye el riesgo de corretaje, como que el corredor se declare en quiebra (¡no tan loco como parece, dado el reciente susto con MF Global!). En resumen, cubre casi todo lo que podría interferir con la implementación comercial, de las cuales hay muchas fuentes. Libros enteros están dedicados a la gestión de riesgos para estrategias cuantitativas, por lo que no intentaré dilucidar todas las posibles fuentes de riesgo aquí.
Si está interesado en tratar de crear sus propias estrategias de negociación algorítmica, mi primera sugerencia sería ser bueno en la programación. Prefiero construir la mayor cantidad posible de captura de datos, analizador de estrategias y sistema de ejecución. Si su propio capital está en juego, ¿no dormiría mejor por la noche sabiendo que ha probado completamente su sistema y que es consciente de sus dificultades y problemas particulares? Subcontratar esto a un proveedor, aunque potencialmente ahorre tiempo a corto plazo, podría ser extremadamente costoso a largo plazo.
